开发了一个名为FrameBench-HPS的新基准,用于测试大型语言模型(LLM)在医疗、金融、教育和法律等领域的高风险情境下提供建议的方式。该基准显示,当使用增益-损失框架呈现相同概率时,LLM的推荐在超过32%的情况下会发生改变。人类评估证实,即使经过对话释义,这些框架效应也会改变LLM建议的感知风险和指令性。研究表明,标准化概率表示可以显著提高LLM在关键应用中决策支持的一致性。 AI
影响 强调了提高LLM在关键应用中决策支持一致性的必要性。
排序理由 该集群包含一篇研究论文,详细介绍了用于评估LLM行为的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →